CN114045338A - Olc1基因表达水平在膀胱癌预后评估中的应用 - Google Patents

Olc1基因表达水平在膀胱癌预后评估中的应用 Download PDF

Info

Publication number
CN114045338A
CN114045338A CN202111285552.8A CN202111285552A CN114045338A CN 114045338 A CN114045338 A CN 114045338A CN 202111285552 A CN202111285552 A CN 202111285552A CN 114045338 A CN114045338 A CN 114045338A
Authority
CN
China
Prior art keywords
olc1
value
gene
smoking history
expression
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111285552.8A
Other languages
English (en)
Inventor
陈皇
蔡曌
寿建忠
高燕宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Japan Friendship Hospital
Cancer Hospital and Institute of CAMS and PUMC
Beijing Hospital
Original Assignee
China Japan Friendship Hospital
Cancer Hospital and Institute of CAMS and PUMC
Beijing Hospital
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Japan Friendship Hospital, Cancer Hospital and Institute of CAMS and PUMC, Beijing Hospital filed Critical China Japan Friendship Hospital
Priority to CN202111285552.8A priority Critical patent/CN114045338A/zh
Publication of CN114045338A publication Critical patent/CN114045338A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
    • G16B25/20—Polymerase chain reaction [PCR]; Primer or probe design; Probe optimisation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/118—Prognosis of disease development
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/158—Expression markers

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Organic Chemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Genetics & Genomics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Public Health (AREA)
  • Biotechnology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Epidemiology (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Analytical Chemistry (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Immunology (AREA)
  • Artificial Intelligence (AREA)
  • Hospice & Palliative Care (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Bioethics (AREA)
  • Microbiology (AREA)
  • Oncology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Biochemistry (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)

Abstract

本发明公开了OLC1基因表达水平在膀胱癌预后评估中的应用。本发明提供OLC1基因作为标记物在如下任一中的应用：(A1)在制备用于膀胱癌患者预后风险评估产品中的应用；(A2)在膀胱癌患者预后风险评估中的应用。本发明实施例构建的复发预测模型能够较好地预测膀胱尿路上皮癌患者的预后，具备临床应用的潜力。

Description

OLC1基因表达水平在膀胱癌预后评估中的应用
技术领域
本发明属于生物技术领域，具体涉及OLC1基因表达水平在膀胱癌预后评估中的应用。
背景技术
膀胱尿路上皮癌的高复发率为患者带来了较沉重的经济负担。膀胱癌依据肿瘤是否侵犯固有肌层可分为非肌层浸润性膀胱癌(肿瘤分期为T0、T1期)和肌层浸润性膀胱癌(肿瘤分期为T2、T3、T4期)。非肌层浸润性膀胱癌患者术后常规进行膀胱灌注伴随定期膀胱镜检查，然而患者的复发率依然高达40％-80％。约有50％的肌层浸润膀胱癌患者尽管接受了根治性手术及淋巴结清扫，仍然会出现远处转移。尽管病理组织学分期提高了膀胱尿路上皮癌的临床管控，对于个体化的预后风险评估和复发监测依然存在问题。目前诊疗指南中的预后危险分级依然依靠复发病史，肿瘤分期、分级和肿瘤数目大小等临床特征，但尚未有肿瘤相关的分子标志物纳入。
发明内容
本发明的目的之一在于提供OLC1基因在膀胱癌患者预后风险评估中的应用。
本发明提供了OLC1基因作为标记物在如下任一中的应用：
(A1)在制备用于膀胱癌患者预后风险评估产品中的应用；
(A2)在膀胱癌患者预后风险评估中的应用。
本发明还提供了检测OLC1基因表达水平的物质在如下任一中的应用：
(A1)在制备用于膀胱癌患者预后风险评估产品中的应用；
(A2)在膀胱癌患者预后风险评估中的应用。
预后风险评估可体现在无复发生存期长短，例如计算预后指数PI。
本发明还提供了检测OLC1基因表达水平的物质和复发预测模型的组合在如下任一中的应用：
(A1)在制备用于膀胱癌患者预后风险评估产品中的应用；
(A2)在膀胱癌患者预后风险评估中的应用。
所述复发预测模型如公式I所示，
PI＝9.17423×肿瘤分期+3.05973×吸烟史+9.61827×OLC1a (公式I)
PI为预后指数；OLC1a为OLC1基因的变量值，OLCl基因为高表达时，OLC1a取值为1，低表达时，OLC1a取值为0；所述高表达为OLC1基因相对表达值高于阈值；所述低表达为OLC1基因相对表达值低于或等于阈值；当肿瘤分期为Ta或T1时，所述肿瘤分期取值为0，当肿瘤分期为T2、T3或T4时，所述肿瘤分期取值为1；当有吸烟史时，所述吸烟史取值为1，当无吸烟史时，所述吸烟史取值为0。
本发明还提供了用于膀胱癌患者预后风险评估的系统，包括检测OLC1基因表达水平的物质和复发预测装置，
所述复发预测装置包括模型存储模块、数据输入模块、数据运算模块和输出模块；
所述模型存储模块被配置为存储复发预测模型；
所述复发预测模型如公式I所示，
PI＝9.17423×肿瘤分期+3.05973×吸烟史+9.61827×OLC1a (公式I)
PI为预后指数；OLC1a为OLC1基因的变量值，OLC1基因为高表达时，OLC1a取值为1，低表达时，OLC1a取值为0；所述高表达为OLC1基因相对表达值高于阈值；所述低表达为OLC1基因相对表达值低于或等于阈值；当肿瘤分期为Ta或T1时，所述肿瘤分期取值为0，当肿瘤分期为T2、T3或T4时，所述肿瘤分期取值为1；当有吸烟史时，所述吸烟史取值为1，当无吸烟史时，所述吸烟史取值为0；
所述数据输入模块被配置为输入对所述膀胱癌患者样本进行检测得到的OLC1基因相对表达值、肿瘤分期信息和吸烟史信息，然后根据如下确定取值：OLC1基因为高表达时，OLC1a取值为1，低表达时，OLC1a取值为0；所述高表达为OLC1基因相对表达值高于阈值；所述低表达为OLC1基因相对表达值低于或等于阈值；当肿瘤分期为Ta或T1时，所述肿瘤分期取值为0，当肿瘤分期为T2、T3或T4时，所述肿瘤分期取值为1；当有吸烟史时，所述吸烟史取值为1，当无吸烟史时，所述吸烟史取值为0；
所述数据运算模块被配置为接收来自所述数据输入模块的所述OLC1a取值、所述肿瘤分期取值和所述吸烟史取值，并调用所述模型存储模块中的所述复发预测模型，将所述OLC1a取值、所述肿瘤分期取值和所述吸烟史取值代入所述复发预测模型，计算得到PI；
所述输出模块被配置为接收来自所述数据运算模块计算得到的PI，输出所述PI。
上述用于膀胱癌患者预后风险评估的系统还可包括评估模块，所述评估模块被配置为接收来自所述数据运算模块计算得到的PI，比较PI和PI阈值以评估膀胱癌患者预后风险。进一步地，所述PI阈值为9.17423，若所述PI大于9.17423，则所述膀胱癌患者为高危患者。若所述PI小于或等于9.17423，则所述膀胱癌患者为低危患者。所述高危患者的无复发生存期低于或候选低于所述低危患者的无复发生存期。
本发明还提供了用于膀胱癌患者预后风险评估的试剂盒，所述试剂盒包括检测OLC1基因表达水平的物质。
可选地，根据上述的应用或系统或试剂盒，所述检测OLC1基因表达水平的物质为PCR扩增引物。
可选地，根据上述的应用或系统或试剂盒，所述检测OLC1基因表达水平的PCR扩增引物由SEQ ID No.1和SEQ ID No.2所示的单链DNA组成。
可选地，根据上述的系统或试剂盒，还包括检测GAPDH基因表达的物质，例如为PCR扩增引物，可由SEQ ID No.3和SEQ ID No.4所示的单链DNA组成。
上文中，所述膀胱癌可为膀胱尿路上皮癌。
上文中，OLC1基因相对表达值可为OLC1基因相对于GAPDH基因的表达值，上述OLC1基因相对表达值的阈值为2.9690，当OLC1基因的相对表达值＞2.9690时，所述OLC1a取值为1，当OLC1基因的相对表达值≤2.9690时，所述OLC1a取值为0。
上文中，所述膀胱癌患者样本可为膀胱癌患者的肿瘤组织。
本发明从组织层面发现了可用于膀胱尿路上皮癌复发风险预测的标志物。本发明实施例构建的复发预测模型能够较好地预测膀胱尿路上皮癌患者的预后，具备临床应用的潜力。
附图说明
图1为膀胱尿路上皮癌肿瘤组织与膀胱正常黏膜中OLC1基因的相对表达值(**p＜0.01，Mann-Whitney U检验)。
图2为高危患者与低危患者的生存曲线。
具体实施方式
下面结合具体实施方式对本发明进行进一步的详细描述，给出的实施例仅为了阐明本发明，而不是为了限制本发明的范围。以下提供的实施例可作为本技术领域普通技术人员进行进一步改进的指南，并不以任何方式构成对本发明的限制。
下述实施例中的实验方法，如无特殊说明，均为常规方法，按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。下述实施例中所用的材料、试剂等，如无特殊说明，均可从商业途径得到。
OLC1基因的Gene ID为9798，更新时间2021年7月31日。
实施例1、OLC1基因的表达水平在膀胱尿路上皮癌预后评估中的应用
通过real-time PCR方法在70例膀胱尿路上皮癌病例的70例肿瘤组织样品和38例膀胱正常黏膜样品中检测OLC1基因的表达水平。观察OLC1基因表达及患者临床病理特征与复发的相关性，获得影响患者无复发生存期的独立因素，建立复发预测模型，评估患者术后复发风险。无复发生存期是指患者进行初次手术至再次出现复发证据之间的时间。
一、材料与方法
1.仪器设备
Real-time PCR System Mx3005p，Agilent，美国
2.real-time PCR反应试剂
SYBR Premix Ex TaqTM Takara，日本
3.real-time PCR引物序列
本实施例所使用的引物如表1所示。
表1、本发明所涉及的real-time PCR引物序列
Figure BDA0003331362570000041
4.real-time PCR检测方法
(1)配制反应液
反应体系如表2所示。
表2、本发明real-time PCR反应体系
SYBR Premix ExTaq(2×) 12.5μl
ROX内参染料II(50×) 0.5μl
上游引物(10μM) 0.5μl
下游引物(10μM) 0.5μl
cDNA模板(20ng)+H<sub>2</sub>O 11μl
总体积 25μl
(2)real-time PCR反应条件
real-time PCR反应条件如表3所示。
表3、real-time PCR反应条件
Figure BDA0003331362570000051
(3)应用相对定量法检测OLC1基因的表达
以GAPDH为内参基因，对OLC1基因的相对表达值进行检测。每个real-time PCR反应均平行重复三次。按照2-ΔΔCt值法(Schmittgen et al.2008)计算每个样品中目的基因OLC1相比与内参基因GAPDH的相对表达值。待测样本为膀胱尿路上皮癌肿瘤组织，对照样本为膀胱正常黏膜组织。采用上述real-time PCR方法检测待测样品cDNA中OLC1基因的表达水平。
二、待测样品基本信息
膀胱尿路上皮癌患者基本信息如表4所示。有吸烟史定义为吸烟时间大于5年。在入组的有吸烟史患者中吸烟时间最短为6年。
表4、膀胱尿路上皮癌患者基本信息
Figure BDA0003331362570000052
Figure BDA0003331362570000061
三、检测结果与分析
1.OLC1基因的相对表达值
应用real-time PCR在膀胱尿路上皮癌肿瘤组织和膀胱正常黏膜中检测OLC1基因的表达水平。
用于检测OLC1基因的real-time PCR引物序列如上所述。GAPDH基因作为内参基因。用于检测GAPDH基因的real-time PCR引物序列如上所述。(表1)。
结果显示，膀胱尿路上皮癌肿瘤组织中OLC1基因的相对表达值显著高于膀胱正常黏膜中OLC1基因的相对表达值(Mann-Whitney U检验，p＝2.68E-08)。如图1所示。
2.膀胱尿路上皮癌肿瘤组织中OLC1基因的表达水平与患者预后的关系
应用多因素Cox比例风险回归模型对膀胱尿路上皮癌肿瘤组织中OLC1基因的表达水平与患者的临床特征，包括年龄、性别、吸烟史、饮酒史、肿瘤大小、肿瘤数目、肿瘤分期、病理分级和淋巴结转移等因素分析其与患者预后的关系并构建复发风险预测模型。
其中由于real-time PCR检测的OLC1基因的相对表达值为连续变量，应用R软件(版本：3.6.030，R Foundation for Statistical Computing，Vienna，Austria)(Ihaka etal.1996)中的“survminer”程序包计算区分效果最佳的OLC1基因的截点值用以建立复发风险预测模型。OLC1基因的相对表达值截点值为2.9690，按照截点值将OLC1基因的相对表达值连续变量转换为二分类变量，待测样本中OLC1基因的相对表达值大于2.9690为高表达，小于等于2.9690为低表达。
所构建的复发风险预测模型如公式I所示，PI为预后指数；当患者OLC1基因高表达(即OLC1基因的相对表达值大于2.9690)，则在公式中的OLC1变量值记为1，否则记为0。肿瘤分期为Ta或T1(即非肌层浸润性膀胱尿路上皮癌)在公式中的变量值记为0，肿瘤分期为T2、T3或T4(即肌层浸润性膀胱尿路上皮癌)在公式中的变量值记为1。有吸烟史则在公式中的变量值记为1，否则记为0。
PI＝9.17423×肿瘤分期+3.05973×吸烟史+9.61827×OLC1a (公式I)
OLC1a：OLC1基因的变量值
3、log-rank检验
依据上述模型计算70例患者的预后指数(PI)，应用R软件(版本：3.6.030，RFoundation for Statistical Computing，Vienna，Austria)(Ihaka et al.1996)中的“survminer”程序包计算区分效果最佳的PI值的截点值，截点值为9.17423。应用R软件“survival”程序包绘制生存曲线并进行log-rank检验，结果显示PI值高于截点值的患者(即高危患者)无复发生存期显著低于PI值低于截点值的患者(即低危患者)，即PI高于截点值的患者复发的风险更高，预后更差，如图2所示(log-rank检验，p＜0.00001)。
说明本发明模型能够较好地预测膀胱尿路上皮癌患者的预后，具备临床应用的潜力。
以上对本发明进行了详述。对于本领域技术人员来说，在不脱离本发明的宗旨和范围，以及无需进行不必要的实验情况下，可在等同参数、浓度和条件下，在较宽范围内实施本发明。虽然本发明给出了特殊的实施例，应该理解为，可以对本发明作进一步的改进。总之，按本发明的原理，本申请欲包括任何变更、用途或对本发明的改进，包括脱离了本申请中已公开范围，而用本领域已知的常规技术进行的改变。按以下附带的权利要求的范围，可以进行一些基本特征的应用。

Claims (9)

1.OLC1基因作为标记物在如下任一中的应用：
(A1)在制备用于膀胱癌患者预后风险评估产品中的应用；
(A2)在膀胱癌患者预后风险评估中的应用。
2.检测OLC1基因表达水平的物质在如下任一中的应用：
(A1)在制备用于膀胱癌患者预后风险评估产品中的应用；
(A2)在膀胱癌患者预后风险评估中的应用。
3.检测OLC1基因表达水平的物质和复发预测模型的组合在如下任一中的应用：
(A1)在制备用于膀胱癌患者预后风险评估产品中的应用；
(A2)在膀胱癌患者预后风险评估中的应用；
所述复发预测模型如公式I所示，
PI＝9.17423×肿瘤分期+3.05973×吸烟史+9.61827×OLC1a (公式I)
PI为预后指数；OLC1a为OLC1基因的变量值，OLC1基因为高表达时，OLC1a取值为1，低表达时，OLC1a取值为0；所述高表达为OLC1基因相对表达值高于阈值；所述低表达为OLC1基因相对表达值低于或等于阈值；当肿瘤分期为Ta或T1时，所述肿瘤分期取值为0，当肿瘤分期为T2、T3或T4时，所述肿瘤分期取值为1；当有吸烟史时，所述吸烟史取值为1，当无吸烟史时，所述吸烟史取值为0。
4.用于膀胱癌患者预后风险评估的系统，其特征在于：包括检测OLC1基因表达水平的物质和复发预测装置，
所述复发预测装置包括模型存储模块、数据输入模块、数据运算模块和输出模块；
所述模型存储模块被配置为存储复发预测模型；
所述复发预测模型如公式I所示，
PI＝9.17423×肿瘤分期+3.05973×吸烟史+9.61827×OLC1a (公式I)
PI为预后指数；OLC1a为OLC1基因的变量值，OLC1基因为高表达时，OLC1a取值为1，低表达时，OLC1a取值为0；所述高表达为OLC1基因相对表达值高于阈值；所述低表达为OLC1基因相对表达值低于或等于阈值；当肿瘤分期为Ta或T1时，所述肿瘤分期取值为0，当肿瘤分期为T2、T3或T4时，所述肿瘤分期取值为1；当有吸烟史时，所述吸烟史取值为1，当无吸烟史时，所述吸烟史取值为0；
所述数据输入模块被配置为输入对所述膀胱癌患者样本进行检测得到的OLC1基因相对表达值、肿瘤分期信息和吸烟史信息，然后根据如下确定取值：OLC1基因为高表达时，OLC1a取值为1，低表达时，OLC1a取值为0；所述高表达为OLC1基因相对表达值高于阈值；所述低表达为OLC1基因相对表达值低于或等于阈值；当肿瘤分期为Ta或T1时，所述肿瘤分期取值为0，当肿瘤分期为T2、T3或T4时，所述肿瘤分期取值为1；当有吸烟史时，所述吸烟史取值为1，当无吸烟史时，所述吸烟史取值为0；
所述数据运算模块被配置为接收来自所述数据输入模块的所述OLC1a取值、所述肿瘤分期取值和所述吸烟史取值，并调用所述模型存储模块中的所述复发预测模型，将所述OLC1a取值、所述肿瘤分期取值和所述吸烟史取值代入所述复发预测模型，计算得到PI；
所述输出模块被配置为接收来自所述数据运算模块计算得到的PI，输出所述PI。
5.用于膀胱癌患者预后风险评估的试剂盒，其特征在于：所述试剂盒包括检测OLC1基因表达水平的物质。
6.根据权利要求2-5任一所述的应用或系统或试剂盒，其特征在于：所述检测OLC1基因表达水平的物质为PCR扩增引物。
7.根据权利要求2-6任一所述的应用或系统或试剂盒，其特征在于：所述检测OLC1基因表达水平的PCR扩增引物由SEQ ID No.1和SEQ ID No.2所示的单链DNA组成。
8.根据权利要求4-7任一所述的系统或试剂盒，其特征在于：还包括检测GAPDH基因表达的物质。
9.根据权利要求1-8任一所述的应用或系统或试剂盒，其特征在于：所述膀胱癌为膀胱尿路上皮癌。
CN202111285552.8A 2021-11-01 2021-11-01 Olc1基因表达水平在膀胱癌预后评估中的应用 Pending CN114045338A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111285552.8A CN114045338A (zh) 2021-11-01 2021-11-01 Olc1基因表达水平在膀胱癌预后评估中的应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111285552.8A CN114045338A (zh) 2021-11-01 2021-11-01 Olc1基因表达水平在膀胱癌预后评估中的应用

Publications (1)

Publication Number Publication Date
CN114045338A true CN114045338A (zh) 2022-02-15

Family

ID=80206817

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111285552.8A Pending CN114045338A (zh) 2021-11-01 2021-11-01 Olc1基因表达水平在膀胱癌预后评估中的应用

Country Status (1)

Country Link
CN (1) CN114045338A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116013528A (zh) * 2023-01-10 2023-04-25 中山大学孙逸仙纪念医院 结合fish检测的膀胱癌术后复发风险预测方法、装置及介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
XIAO LI等: "Overexpression of OLC1 promotes tumorigenesis of human esophageal squamous cell carcinoma" *
李文省;张彦丽;周志敏;庞永冰;张雁;: "膀胱癌预后的mRNA分子标记和预测模型开发" *
林木平;刘维藩;: "miR-200a与肿瘤关系的研究进展" *
董欣: "1、鼻咽癌放疗反应相关的医学生物学标志 2、OLC1基因在膀胱癌中异常表达及其医学生物学意义" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116013528A (zh) * 2023-01-10 2023-04-25 中山大学孙逸仙纪念医院 结合fish检测的膀胱癌术后复发风险预测方法、装置及介质
CN116013528B (zh) * 2023-01-10 2023-11-24 中山大学孙逸仙纪念医院 结合fish检测的膀胱癌术后复发风险预测方法、装置及介质

Similar Documents

Publication Publication Date Title
US11220716B2 (en) Methods for predicting the prognosis of breast cancer patient
KR101562644B1 (ko) 직장결장암용 예후 예측
US20230077559A1 (en) Diagnostic test for predicting metastasis and recurrence in cutaneous melanoma
KR101672531B1 (ko) 조기 유방암 예후 예측 진단용 유전자 마커 및 이의 용도
US10718030B2 (en) Methods for predicting effectiveness of chemotherapy for a breast cancer patient
EP2778237A1 (en) Biomarkers for recurrence prediction of colorectal cancer
CN110241221B (zh) 用于转移性结直肠癌预后预测的试剂盒以及系统
CN109337978B (zh) miRNA在制备高级浆液性上皮性卵巢癌化疗耐药性评价试剂盒中的应用
ES2829415T3 (es) Algoritmo de perfil de expresión génica para calcular una puntuación de recurrencia para un paciente con cáncer de riñón
KR20230017206A (ko) 결장 세포 증식성 장애를 식별하기 위한 rna 마커 및 방법
CN110760585B (zh) 前列腺癌生物标志物及其应用
WO2014066984A1 (en) Method for identifying a target molecular profile associated with a target cell population
CN114045338A (zh) Olc1基因表达水平在膀胱癌预后评估中的应用
CN111778337A (zh) 结直肠癌预后风险分数的计算方法、其试剂及其装置
KR101504818B1 (ko) 위암에 대한 예후 예측 시스템
Geng et al. A hidden Markov model approach for prediction of genomic alterations from gene expression profiling
CN116926190A (zh) 测量乳腺癌远端转移风险的预后标志物及其应用
CN116936086A (zh) 乳腺癌远端转移风险预测基因模型的建构方法和风险预测方法
WO2023158711A1 (en) Tumor fraction estimation using methylation variants
CN117012376A (zh) 乳腺癌局部复发模型的建构方法和风险预测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination